[数学]2012年全国大学生数学建模竞赛A题葡萄酒理化指标与质量的评鉴分析_获全国二等奖.doc

葡萄酒理化指标与质量的评鉴分析 摘 要用好的葡萄也许酿不出好酒，但没人能用劣质葡萄酿出好酒。巧妇难为无米之炊，再优秀的酿酒师，如果没有优质的葡萄，也很难酿出好酒。不同葡萄品种酿制出的葡萄酒是不同的，但是，除了品种间的差异，葡萄自身的质量是酿制高品质葡萄酒的关键。聚类模型分析附件1中两组评酒员的评价结果显著性差异检验求解两组评酒员之间是否存在显著性差异，再利用配对检验对检验样本做再次检验，以提高研究效率，确保评价结果的准确性。利用软件处理数据后，进行、的联合检验，当联合检验均被接受，得到两组评酒员的评价结果显著性差异针对问题二根据附提供的数据，[3]，建立聚类模型，对酿酒葡萄进行分类，再葡萄酒品尝评分作为质量评价依据，对酿酒葡萄进行分级。首先，考虑到酿酒葡萄的理化指标过多，不便分类，我们利用多元统计分析原理对红、白酿酒葡萄进行主成分分析，得出红、白酿酒葡萄分别有8个和11个主成分，从而大大减少了分类指标。再利用算法求出最佳聚类数，建立聚类模型对各种葡萄样品在各个主成分上的得分进行聚类，将红、白葡萄样品分别划分为34类。最后，根据每个类别中葡萄样品对应的葡萄酒的品尝评分，对各类酿酒葡萄进行分级。 分析酿酒葡萄与葡萄酒的理化指标之间的联系酿酒葡萄与葡萄酒-多元回归模型。我们在模型Ⅳ给出的结论基础上，对酿酒葡萄的理化指标与葡萄酒理化指标之间的联系作进一步讨论。根据原始数据使用作出红葡萄样品中芳香物的含量与红葡萄酒的芳香物含量的对比图，从图中可明显看出两者之间存在较强的相关性。由于酿造工艺的差异，白葡萄样品中芳香物的含量与白葡萄酒的芳香物含量没有明显的相关性。因此，我们仅以讨论葡萄酒的理化指标与葡萄酒质量的影响，利用最小二乘原理，建立多元回归分析模型，用软件求解得到红葡萄酒的理化指标与红葡萄酒的质量的评价方程，由此得出能够用红葡萄酒的理化指标来评价红葡萄酒的质量。由于无法得出白葡萄和白葡萄酒理化指标对白葡萄酒质量的关系，故无法使用白葡萄和白葡萄酒理化指标来白葡萄酒的质量。 本文在问题二中选择影响葡萄酒质量的理化指标时方法具有一定的特点，采用主成分分析法与聚类聚类分析； §1 问题的重述 一、背景知识 1.葡萄酒的发展历史 葡萄酒的酿造起源于公元前6000年古代的波斯，即现今的伊朗。对于葡萄的最早栽培，大约是在7000年前始于前苏联南高加索、中亚细亚、叙利亚、伊拉克等地区。后来随着古代战争、移民传到其它地区。初至埃及，到希腊葡萄酒被视为快乐的泉源，幸福的象征视为幸福的象征是用新鲜的葡萄或葡萄汁经发酵酿成的酒精饮料。葡萄酒的品种很多，因葡萄的栽培、葡萄酒生产工艺条件的不同，产品风格各不相同通常分红葡萄酒和白葡萄酒两种前者是红葡萄带皮浸渍发酵而成；后者是葡萄汁发酵而成的按照国际葡萄酒组织的规定，葡萄酒只能是破碎或未破碎的新鲜葡萄果实或汁完全或部分酒精发酵后获得的饮料，其酒精度一般在8.5°到16.2°之间；按照我国最新的葡萄酒标准GB15037-2006规定，葡萄酒是以鲜葡萄或葡萄汁为原料，经全部或部分发酵酿制而成的，酒精度不低于7.0%的酒精饮品。 图2 葡萄酒工艺流程图 二、原始数据 1.附件1：两组评酒员对葡萄酒的品尝评分表（含4个表格）； 2.附件2：葡萄样品和葡萄酒样品的理化指标（含2个表格）； 3.附件3：葡萄样品和葡萄酒样品的芳香物质（含4个表格）。 三、要解决的问题 现根据附件中提供的数据，要求建立数学模型以解决以下问题：⑴问题一：分析附件1中两组评酒员的评价结果有无显著性差异，确定评价结果更可信的一组；?⑵问题二：根据酿酒葡萄的理化指标和葡萄酒的质量对这些酿酒葡萄进行分级；?⑶问题三：分析酿酒葡萄与葡萄酒的理化指标之间的联系；⑷问题四：分析酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响，并论证能否用葡萄和葡萄酒的理化指标来评价葡萄酒的质量。 是国际公认的最权威评分标准葡萄酒的质量即葡萄酒优秀的程度，它是产品的一种特性，且决定购买者的可接受性。葡萄酒葡萄的发酵产品，的质量取决于原料的质量、所采用的加工工艺及相应的陈酿技术、检验——它们同时以小概率事件原理为出发点，通过其固有程序仅为达到统计检验的目的。最后对评价结果的可信度可以做出定性的判断。 2.对问题二的分析 问题二要求我们根据酿酒葡萄的理化指标、葡萄酒的质量对所给葡萄样品进行分级。而对于酿酒葡萄的分级，是依据葡萄质量的好坏程度影响葡萄酒质量的好坏程度进行品质高低的分级的。我们可以根据本文所给葡萄各项指标数据先对酿酒葡萄进行分类，进而根据质量综合评分对酿酒葡萄进行分级。在对酿酒葡萄分类时，我们可以建立聚类算法模型，对酿酒葡萄建立合理的分类体系，在此过程中利用主成分分析法对酿酒葡萄指标数据进行处理；然后，利用文中将葡萄样品的品尝综合得分作为葡萄酒质量评价标准的依据，根据得分的高